Sistema de Comunicação por Luz Visível NOMA com Receptores de Diversidade Angular: Análise e Insights

1. Introdução

A demanda incessante por taxas de dados mais altas é um dos principais impulsionadores da pesquisa em telecomunicações. A Comunicação por Luz Visível (VLC) apresenta-se como uma tecnologia complementar promissora aos sistemas de radiofrequência (RF), aproveitando a ubiquidade da iluminação LED para transmissão de dados. No entanto, a VLC enfrenta desafios inerentes, como a largura de banda de modulação limitada dos LEDs, a Interferência Inter-símbolo (ISI) e a Interferência de Canal Coexistente (CCI) em cenários multiusuário. Este artigo investiga a integração do Acesso Múltiplo Não Ortogonal (NOMA) com Receptores de Diversidade Angular (ADRs) para superar essas limitações e aumentar significativamente o desempenho do sistema em redes VLC internas.

2. Modelo do Sistema

O sistema proposto é modelado dentro de um ambiente interno padrão para avaliar a sinergia entre a tecnologia NOMA e ADR.

2.1 Modelagem da Sala e do Canal

Uma sala retangular com dimensões de 8m (comprimento) × 4m (largura) × 3m (altura) é simulada. As paredes e o teto são modelados como refletores lambertianos com um coeficiente de refletividade (ρ) de 0,8. A resposta ao impulso do canal óptico é calculada usando um algoritmo determinístico de rastreamento de raios, considerando tanto a linha de visada (LOS) quanto as reflexões difusas (até uma ordem especificada). O ganho do canal para um enlace pode ser modelado como:

$H(0) = \frac{(m+1)A}{2\pi d^2} \cos^m(\phi) T_s(\psi) g(\psi) \cos(\psi)$ para $0 \le \psi \le \Psi_c$

onde $m$ é a ordem de Lambert, $A$ é a área do detector, $d$ é a distância, $\phi$ e $\psi$ são os ângulos de irradiância e incidência, $T_s(\psi)$ é o ganho do filtro, $g(\psi)$ é o ganho do concentrador e $\Psi_c$ é o Campo de Visão (FOV) do receptor.

2.2 Projeto do Receptor de Diversidade Angular (ADR)

A inovação central é o uso de um ADR de 4 ramos. Cada ramo consiste em um fotodetector com um FOV estreito, orientado em uma direção distinta (por exemplo, para cima e em ângulos azimutais específicos). Este projeto permite que o receptor combine seletivamente os sinais do ramo com o maior ganho de canal, mitigando efetivamente o impacto do ruído da luz ambiente, da dispersão de múltiplos percursos e da interferência de canal coexistente de outros Pontos de Acesso (APs).

2.3 Princípio do NOMA e Alocação de Potência

O NOMA opera no domínio da potência. No transmissor, os sinais para múltiplos usuários são sobrepostos com diferentes níveis de potência. O princípio fundamental é alocar mais potência aos usuários com condições de canal mais fracas. No receptor, é empregado o Cancelamento Sucessivo de Interferência (SIC): o usuário com o melhor canal decodifica e subtrai os sinais dos usuários com canais mais fracos antes de decodificar o seu próprio. A taxa alcançável para o usuário $i$ em um par NOMA de 2 usuários é dada por:

$R_i = B \log_2 \left(1 + \frac{\alpha_i P_t |h_i|^2}{\sum_{j>i} \alpha_j P_t |h_i|^2 + N_0 B}\right)$

onde $B$ é a largura de banda, $P_t$ é a potência total de transmissão, $h_i$ é o ganho do canal para o usuário $i$, $\alpha_i$ é o coeficiente de alocação de potência ($\alpha_1 + \alpha_2 = 1$, e $\alpha_1 > \alpha_2$ se $|h_1|^2 < |h_2|^2$), e $N_0$ é a densidade espectral de potência do ruído.

3. Resultados da Simulação e Discussão

O desempenho do sistema NOMA-VLC com ADR é comparado com um sistema de referência que utiliza um único receptor de FOV amplo.

3.1 Métricas de Desempenho e Configuração

A principal métrica de desempenho é a taxa de dados agregada para múltiplos usuários dentro da sala. Os usuários são posicionados aleatoriamente, e a alocação de recursos (emparelhamento de usuários para NOMA e alocação de potência) é otimizada com base em suas informações de estado do canal, seguindo a abordagem anterior dos autores [36].

3.2 Comparação da Taxa de Dados: ADR vs. FOV Amplo

Os resultados da simulação demonstram uma vantagem decisiva para o sistema baseado em ADR. O uso de ADRs melhora a taxa de dados média em aproximadamente 35% em comparação com o sistema que utiliza receptores de FOV amplo. Este ganho é atribuído à capacidade do ADR de selecionar um caminho de sinal mais forte e menos distorcido, aumentando assim a relação sinal-interferência-mais-ruído (SINR) efetiva para a decodificação NOMA.

3.3 Impacto da Alocação de Recursos

O artigo destaca que o ganho de desempenho não é automático, mas depende de uma alocação inteligente de recursos. Emparelhar dinamicamente usuários com ganhos de canal significativamente diferentes (um requisito-chave para o NOMA eficiente) e alocar potência de acordo é crucial para realizar todo o potencial da combinação ADR-NOMA.

4. Conclusão

Este trabalho demonstra com sucesso que a integração de Receptores de Diversidade Angular com Acesso Múltiplo Não Ortogonal é uma estratégia potente para aumentar a capacidade e a robustez dos sistemas de Comunicação por Luz Visível internos. A capacidade do ADR de fornecer uma entrada de canal superior para o processo SIC do NOMA traduz-se diretamente em melhorias substanciais na taxa de dados, constituindo um argumento convincente para esta arquitetura híbrida em futuras redes ópticas sem fio de alta densidade.

5. Análise Original & Insight Especializado

Insight Central: Este artigo não trata apenas de adicionar um receptor melhor; é uma solução de engenharia astuta que reprojeta o orçamento de enlace VLC em seu ponto mais fraco—o piso de ruído do receptor—para desbloquear todo o potencial teórico do NOMA. Os autores identificam corretamente que o desempenho do NOMA é criticamente limitado pelo sucesso do SIC, que falha espetacularmente em canais VLC difusos e de múltiplos percursos. O ADR de 4 ramos atua como um filtro espacial, criando efetivamente um canal "mais limpo" para o usuário principal em um par NOMA, transformando um ganho teórico em um aumento prático de 35%.

Fluxo Lógico: O argumento é elegante: 1) A VLC precisa de eficiência espectral (entra o NOMA). 2) O NOMA precisa de disparidade significativa no ganho do canal (um problema na iluminação uniforme). 3) O ADR cria artificialmente essa disparidade ao selecionar o caminho de entrada mais forte. 4) Resultado: O SIC funciona melhor, a taxa agregada aumenta. Esta é uma abordagem mais sofisticada do que simplesmente aumentar a potência de transmissão ou a largura de banda, alinhando-se com as tendências da pesquisa 6G focada em ambientes de rádio inteligentes, conforme discutido em white papers da Next G Alliance.

Pontos Fortes e Fracos: O ponto forte está no ganho de desempenho significativo e validado usando uma atualização de receptor de complexidade relativamente baixa. A metodologia é sólida, utilizando modelos estabelecidos de rastreamento de raios e NOMA. No entanto, a análise tem pontos cegos notáveis. Primeiro, assume informação de estado do canal (CSI) perfeita e SIC perfeito—ambos altamente otimistas em sistemas em tempo real com usuários em movimento. Segundo, o ADR de 4 ramos aumenta o custo, o tamanho e a complexidade de processamento do receptor (lógica de seleção de ramos). O artigo ignora essa compensação. Em comparação com trabalhos seminais sobre óptica adaptativa em comunicação óptica no espaço livre (como os do MIT Media Lab), esta abordagem ADR é estática; ela seleciona, mas não direciona ou molda ativamente o feixe, deixando desempenho adicional em aberto.

Insights Acionáveis: Para gerentes de produto e líderes de P&D, esta pesquisa fornece um roteiro claro: Priorize a inovação no receptor. Investir em fotodetectores inteligentes e multi-elementos é a chave para diferenciar futuros produtos Li-Fi. O próximo passo imediato deve ser a prototipagem de um algoritmo de seleção de ramos em tempo real e testá-lo sob condições de canal dinâmicas com CSI imperfeita. Além disso, explore técnicas híbridas: combine este ADR com acesso múltiplo por código esparso (SCMA) ou as técnicas de assinatura de baixa densidade (LDS) exploradas no 5G NR, que podem oferecer uma melhor compensação entre complexidade e desempenho do que o NOMA puro de domínio de potência para canais ópticos.

6. Detalhes Técnicos

O desempenho do sistema depende do modelo de canal e do processo de decodificação NOMA. A potência óptica recebida pelo $k$-ésimo ramo do ADR do $j$-ésimo LED é:

$P_{r,(j,k)} = H_{j,k}(0) * P_{t,j}$

O receptor seleciona o ramo $k^*$ com a maior SNR: $k^* = \arg\max_k (\sum_j P_{r,(j,k)}^2 / N_0)$. Para um par NOMA de downlink com usuários $U_1$ (canal fraco) e $U_2$ (canal forte), o sinal transmitido é $x = \sqrt{\alpha P_t}s_1 + \sqrt{(1-\alpha)P_t}s_2$, onde $s_1, s_2$ são os sinais dos usuários. $U_2$ decodifica $s_1$ primeiro, subtrai-o e depois decodifica $s_2$. $U_1$ trata $s_2$ como ruído e decodifica $s_1$ diretamente. O ADR melhora $|h_i|^2$ para o usuário selecionado, aumentando diretamente o argumento da função $\log_2$ na equação da taxa.

7. Resultados Experimentais & Descrição de Gráficos

Embora o excerto do PDF fornecido não contenha figuras explícitas, os resultados descritos podem ser visualizados através de dois gráficos principais:

Gráfico 1: Função de Distribuição Cumulativa (CDF) da Taxa de Dados do Usuário. Este gráfico mostraria duas curvas: uma para o sistema com receptor de FOV amplo e outra para o sistema ADR. A curva do ADR seria deslocada significativamente para a direita, indicando que para qualquer probabilidade dada (por exemplo, 50% dos usuários), a taxa de dados alcançável é maior. A lacuna entre as curvas representa visualmente o ganho médio de ~35%.

Gráfico 2: Taxa Agregada vs. Número de Usuários. Este gráfico plotaria a capacidade total do sistema à medida que o número de usuários aumenta. A linha NOMA+ADR mostraria uma inclinação mais acentuada e um platô mais alto do que a linha NOMA+FOV Amplo, demonstrando melhor escalabilidade e eficiência multiusuário. Uma terceira linha para o Acesso Múltiplo Ortogonal (OMA) tradicional, como TDMA, ficaria significativamente abaixo de ambas, destacando a vantagem de eficiência espectral do NOMA.

8. Estrutura de Análise: Um Exemplo de Caso

Cenário: Avaliação de um sistema VLC para um espaço de trabalho interno de alta densidade (por exemplo, um escritório de planta aberta com 20 estações de trabalho).

Aplicação da Estrutura:

1. Perfilamento do Canal: Use software de rastreamento de raios para modelar a sala com luminárias LED no teto. Calcule a matriz de ganho do canal $H$ para cada localização potencial de usuário para os modelos de FOV amplo e ADR multi-ramo.
2. Emparelhamento de Usuários para NOMA: Para cada intervalo de agendamento, classifique os usuários com base no ganho do canal do ramo ADR selecionado. Forme pares NOMA agrupando um usuário com um canal forte e um usuário com um canal fraco.
3. Otimização da Alocação de Potência: Resolva para os coeficientes de potência $\alpha_i$ que maximizam a taxa agregada, sujeitos às restrições: $\sum \alpha_i = 1$, $\alpha_i > 0$ e requisitos mínimos de taxa $R_i \ge R_{min}$. Este é um problema de otimização convexa solucionável por algoritmos padrão.
4. Projeção de Desempenho: Insira os parâmetros otimizados na equação da taxa $R_i$ para calcular a taxa de dados projetada para cada usuário e a taxa agregada do sistema. Compare os resultados do modelo ADR com a linha de base de FOV amplo.

Esta estrutura reflete diretamente a metodologia implícita no artigo e fornece uma maneira sistemática de quantificar o benefício do ADR em uma implantação específica.

9. Aplicações Futuras & Direções

O paradigma ADR-NOMA-VLC tem trajetórias promissoras:

• Comunicação Ultraconfiável de Baixa Latência (URLLC) para IoT Industrial: Em fábricas inteligentes, os ADRs podem fornecer enlaces robustos para controle de máquinas, mitigando interferências de equipamentos em movimento e superfícies reflexivas.
• Comunicações Ópticas Subaquáticas: O ambiente de espalhamento subaquático é análogo ao VLC interno difuso. Os ADRs poderiam ajudar a isolar o caminho LOS dominante em água turva, permitindo o NOMA para redes subaquáticas multiusuário.
• Comunicação e Sensoriamento Integrados (ISAC): Os múltiplos ramos direcionais de um ADR podem ser usados para estimativa rudimentar do ângulo de chegada, permitindo a localização do dispositivo juntamente com a comunicação—uma característica fundamental para futuros edifícios inteligentes.
• Direções de Pesquisa: Trabalhos futuros devem avançar para ADRs adaptativos usando cristais líquidos ou sistemas microeletromecânicos (MEMS) para direcionamento dinâmico de feixe. Além disso, integrar aprendizado de máquina para emparelhamento de usuários e alocação de potência robustos em tempo real em cenários móveis é um próximo passo essencial para a transição da simulação para a implantação.

10. Referências

1. Aljohani, M. K., et al. (2022). NOMA Visible Light Communication System with Angle Diversity Receivers. Source Journal/Conference.
2. Zeng, L., et al. (2017). High Data Rate Multiple Input Multiple Output (MIMO) Optical Wireless Communications Using White LED Lighting. IEEE Journal on Selected Areas in Communications.
3. Ding, Z., et al. (2017). A Survey on Non-Orthogonal Multiple Access for 5G Networks: Research Challenges and Future Trends. IEEE Journal on Selected Areas in Communications.
4. Kahn, J. M., & Barry, J. R. (1997). Wireless Infrared Communications. Proceedings of the IEEE.
5. Next G Alliance. (2023). 6G Technology Report. ATIS.
6. IEEE Standard for Local and Metropolitan Area Networks–Part 15.7: Short-Range Wireless Optical Communication Using Visible Light. (2018). IEEE Std 802.15.7-2018.
7. Wang, Q., et al. (2020). Deep Learning for Optimal NOMA Power Allocation in Visible Light Communications. IEEE Wireless Communications Letters.